基于HSM＿LDA模型的在线医院特色挖掘研究

目的/意义 挖掘在线医院的医疗特色对在线医疗推荐具有重要作用。当前,虽然部分在线医院具备特色标注功能,但只能实现医院内部特色提示,无法从全局角度衡量不同医院之间的特色差异。方法/过程 提出一种基于在线医院问诊文本的医院特色识别模型(hospital special medical based LDA, HSM＿LDA)。该模型以医院ID为文本划分依据,将语料库中的“文本-词汇”矩阵转换成“医院-词汇”矩阵,联合建模医院、主题、词汇3个变量,生成“医院-主题”(E)和“主题-词汇”(F)两个分布。最终结合E和F两个分布识别出每个医院的医疗特色。结果/结论 以“好大夫在线”平台中的医院问诊文本作为实验数据集,运用HSM＿LDA模型进行特色挖掘分析,识别精度为87%,效果良好。     

基于卷积神经网络的肿瘤影像诊断文献计量研究

目的 通过分析十年来国内外发表的关于卷积神经网络的肿瘤影像诊断领域的文献特征,了解该领域的研究热点及发展趋势。方法 以SCI-E数据库为数据源,检索2012年—2022年十年间发表的有关卷积神经网络的肿瘤影像诊断领域的文献,利用CiteSpace软件分析文献的国家、机构、期刊、作者共被引和关键词的分布特征。结果 最终共有1088篇文献纳入研究;文献主要来自中国、美国和印度等国家;中山大学发文39篇,是发文量最多的研究机构;Radiology Nuclear Medicine MedicalImaging是发文量最多的期刊;共得到25个高频关键词和15个突发性关键词;形成了image segmentation、lung nodule等12个作者共被引聚类和automatic segmentation、breast cancer等11个关键词聚类。结论 当前卷积神经网络的肿瘤影像诊断的研究主要集中在肿瘤分割、肺结节识别、乳腺癌的辅助诊断以及其他高频肿瘤的研究。